Разработчик компьютерного зрения

Ищем программиста со знанием OpenCV, YOLO и нейросетевых моделей компьютерного зрения для работы с видео-аналитикой и обучения ИИ-моделей анализа видео.

Нужно разработать модуль анализа видео, который принимает видеопоток с камеры, обнаруживает нужные объекты, отслеживает их движение и формирует результат в виде структурированных данных. Также требуется обучить или дообучить модель под конкретные объекты и сценарии.

Ожидаемый результат: рабочий прототип анализа видео; обученная или дообученная модель YOLO; инструкция по запуску и обучению; скрипты для инференса, тестирования и оценки качества; возможность интеграции результата в основное приложение.

Основные задачи:

• Разработка системы анализа видеопотока с камер.
• Детекция, классификация и трекинг объектов на видео.
• Работа с моделями YOLO: обучение, дообучение, тестирование и оптимизация.
• Подготовка датасетов: сбор, разметка, очистка, аугментация данных.
• Настройка пайплайна обучения модели: train / validation / test.
• Оптимизация модели под работу в реальном времени.
• Интеграция видеоаналитики в существующее приложение или сервер.
• Работа с RTSP/IP-камерами, видеопотоками, файлами и кадрами.
• Вывод результатов анализа: координаты объектов, классы, confidence, события, логи.

Требуемые навыки:

• Python, OpenCV, YOLO: YOLOv5 / YOLOv8 / YOLOv10 / YOLOv11 или аналогичные модели; PyTorch или другой ML-фреймворк; Linux, Git.
• Опыт обучения и дообучения моделей компьютерного зрения.
• Понимание принципов object detection, classification, tracking.
• Работа с видео: RTSP, IP-камеры, FFmpeg / GStreamer будет плюсом.
• Умение работать с датасетами и инструментами разметки.
• Умение давать реалистичную оценку сроков разработки в часах с учетом технических рисков, неопределенностей и этапов реализации.
• Можете в короткие сроки разработать рабочий MVP и последовательно улучшить модель до нужных метрик качества, надежности и производительности.

Желательные навыки:

• Оптимизация моделей: ONNX, TensorRT, CUDA.
• Работа с edge-устройствами: Raspberry Pi, Orange Pi, Jetson, промышленные mini-PC.
• Опыт ускорения инференса на CPU/GPU/NPU.
• ByteTrack, DeepSORT, SORT или другие алгоритмы трекинга.
• Docker.
• FastAPI / Flask / Node.js для интеграции модели в сервер.
• Опыт построения систем видеоаналитики в реальном времени.

Для отклика желательно прислать:

• Примеры проектов с OpenCV / YOLO / Computer Vision.
• GitHub или портфолио.
• Описание опыта обучения моделей.
• Какие модели и фреймворки использовали.
• Какой FPS удавалось получить на видео в реальном времени.

Что мы предлагаем:

• Проектная или постоянная работа.

• Офис, гибрид или удаленная работа.

• Оплата обсуждается по результатам собеседования и оценки объема задач.